親子觀星會

Kepler 90星系也有8大行星

==
Google 提供 找系外行星獵星代碼
==
Google AI從被遺漏資料找到2 顆系外行星kelper80g 和 kelper90i
==
Google AI 從太空望遠鏡過去的數據中計算、發現以前被遺漏觀測的2 顆系外行星：「Kepler-90i」和「 Kepler-80g」

==
NASA用AI發現 Kepler 90星系也有8大行星

==
 Kepler 90(KOI351) 星系也有8大行星
==
2014  
Kepler-90 system architecture (also known as KOI-351 / KIC 11442793)
http://backalleyastronomy.blogspot.tw/2014/02/a-new-design-for-planetary-systems.html

(http://2.bp.blogspot.com/-6XwcVgo1zTI/UxGQjnjMq8I/AAAAAAAAAUw/HzyMAktA2sI/s1600/Kepler-90-system-architecture.gif)
(http://4.bp.blogspot.com/-0zWHcpTCEt8/UxGQtjnznqI/AAAAAAAAAU4/WOi9KMTk-rQ/s1600/Kepler-90-parameters.gif)
==
https://www.space.com/39032-nasa-alien-planet-kepler-discovery-announcement.html

https://www.nasa.gov/press-release/nasa-hosts-media-teleconference-to-announce-latest-kepler-discovery


NASA is about to announce some more big alien-planet news.
The agency will hold a news conference Thursday (Dec. 14) at 1 p.m. EST (1800 GMT) to reveal a new discovery made by its prolific Kepler space telescope, which has been searching the heavens for alien worlds since 2009. Space.com will air the briefing live, courtesy of NASA.

http://www.cnbeta.com/articles/tech/679139.htm

宣布旗下开普勒太空望远镜的最新发现。开普勒多年来已经发现了太阳系以外的数百颗行星，但是本周的发布将有所不同，因为Google将和NASA一起分享它们的发现。

NASA一篇文章表示，这一发现是研究人员使用谷歌机器学习带来的成果，这一突破展示了分析开普勒数据的新方法。Google AI和Google Brain的工程师Christopher Shallue将在美国宇航局新闻发布会上与来自德克萨斯州大学的NASA科学家，开普勒研究小组和美国宇航局Sagan研究员Andrew Vanderburg一起出席研讨会。

到目前为止，NASA对发现的内容持续保密到星期四才会公布。但是外界对开普勒空间望远镜已经有很好了解，它们预测一些新的遥远的行星将成为发布会的一部分。

我们所知道的是，Shallue和Vanderburg一直在努力合作，利用机器学习在开普勒数据中找到新的行星候选者，效率和准确性远超更传统的分析方。NASA认为Google的AI技术有助于在太阳系外的众多世界探测到外星生命的迹象。

http://www.mirror.co.uk/science/nasa-exoplanet-announcement-space-tomorrow-11674747

NASA's mystery exoplanet announcement: Has the US space agency finally discovered ALIEN life?

???

http://www.dailymail.co.uk/sciencetech/article-5180327/NASA-set-major-announcement.html

https://www.sciencedaily.com/releases/2017/12/171214141416.htm

https://tw.appledaily.com/new/realtime/20171215/1259795/
NASA用AI發現：Kepler 90星系也有8大行星

科學家利用開普勒太空望遠鏡，發現一顆像地球一樣崎嶇的行星「Kepler-90i」，環繞距地球2545光年的恆星「Kepler 90」運行。除了「Kepler-90i」，還有7顆行星繞着「Kepler 90」運行，使其像太陽系一樣，有八大行星環繞其運行。不過，那些行星，沒有一顆適宜生物存在。
 
NASA聲明指，以環繞一個恆星運行的行星數目計，有「天體系統」跟我們的太陽系分庭抗禮了。
 
德州大學奧斯汀分校天文學家Andrew Vanderburg形容，「Kepler-90」星系就像迷你版太陽系，行星之間比較「親密」，細小行星較近恆星，大行星在外圈。「Kepler-90i」比地球大30%，靠近恆星運行，表面平均溫度逾426.7℃，與水星差不多。

「Kepler-90i」公轉一周需要14.4日，也就是一年只等於地球兩周。

NASA表示，「Kepler-90i」是用Google和德州大學奧斯汀分校合作研究的人工智慧電腦程式，掃瞄開普勒望遠鏡收集到的3.5萬個行星訊號後發現出來的。（國際中心／綜合外電報導）

(https://img.appledaily.com.tw/images/ReNews/20171215/640_2de92918c525a807245be8423f3a9426.jpg)

https://www.nasa.gov/image-feature/ames/kepler-90-planets-orbit-close-to-their-star

http://www.cnbeta.com/articles/science/680025.htm

正式宣布在一个恒星周围发现有8颗行星组成的行星系统。在此之前，我们生活的太阳系一直以来都是围绕单个恒星周围已知行星数量最多的案例，有多达8颗行星围绕太阳运行。但随着今天发布会上宣布的消息，我们了解到在2545光年之外，在一个名为“开普勒90”（Kepler-90）的恒星周围有着同样数量的行星。随着第八颗行星被发现，开普勒90系统成为首个在行星数量上与太阳系达到同一水平的系外行星系统

利用美国宇航局开普勒望远镜获得的数据，天文学家在近期发现了这个系统中隐藏的第八个行星，从而让这一系统中行星体的数量达到了与太阳系相同的水平。

(https://static.cnbetacdn.com/thumb/article/2017/1215/9c29bc29c281354.jpeg)

本次新发现的系外行星名为Kepler-90i，这是一颗小质量的岩石行星，由于距离恒星很近，公转周期仅有大约14.4天，因此可以想象其地表温度极高。本次发现的另一个亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习技术的本质在于计算机通过人工智能技术实现“自我学习”。在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。

美国宇航局天体物理学部门主管保罗·赫兹（Paul Hertz）表示：“正如我们所料，在我们之前已经分析过的开普勒望远镜数据中仍然隐藏着令人兴奋的新发现，等待着采用合适的新工具或者新技术去揭示它。”他说：“这一发现表明我们的这些数据在未来多年内都将是开展创新研究的珍贵宝藏。”

美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析，并从中检测那些可能暗示有系外行星存在的异常信号。受到人脑中神经元之间连接方式的启发，科学家利用人工“神经网络”技术，利用计算机系统的强大计算能力对开普勒望远镜获取的海量数据进行自动化筛选，并最终在已经被归档的数据中发现了一个此前在进行人工分析时被忽略的微弱异常信号，最终证明这是天龙座方向上，恒星开普勒-90周围存在的第八颗行星。

事实上，在此之前机器学习的技术就已经被运用于对开普勒望远镜数据库的分析当中，相关研究已经显示出其在查询海量数据中隐藏的细微信号方面所具备的优势。

(https://static.cnbetacdn.com/article/2017/1215/f8072670c1853df.jpg)

尽管行星数量相同，但是从这张轨道示意图上可以清楚看到，开普勒90系统的范围要小得多，几乎就像迷你版的太阳系。其最外侧的那颗行星的轨道才几乎达到地球轨道的半径距离

相比开普勒90系统，其他行星系统或许在孕育生命方面会更加有优势。此次发现的新的系外行星Kepler-90i比地球大约大出30%，它距离恒星很近，其地表温度据估算可以达到800K以上（约合526摄氏度）以上。而最外侧的行星Kepler-90h围绕恒星公转的轨道距离则与地球接近。

范德伯格是美国宇航局萨根博士后研究员，来自德州大学奥斯汀分校。他说：“开普勒90系统就像迷你版本的太阳系。你会发现较小的行星在里侧，而较大的行星在外侧，但整个行星系的尺度好像被压缩了，成了一个迷你版本。”

沙律是谷歌公司下属“谷歌人工智能”（Google AI）的高级软件工程师，他想到利用神经网络技术对开普勒望远镜的数据进行分析。他在了解到天文学正和其他学科一样，随着数据采集技术的不断升级，开始陷入被海量数据淹没，难以招架的地步之后，开始对系外行星搜寻产生浓厚兴趣并开始思考如何运用自己掌握的计算机技术知识来帮助天文学家们应对这一困境。

沙律表示：“在我的业余时间，我开始在网络上检索诸如‘运用大数据搜寻系外行星’之类的话题，然后很快注意到开普勒望远镜项目和对外公开发布的海量数据。”他说：“当数据太多，人工分析难以招架时 ，机器学习技术的用武之地就来了。”

开普勒望远镜在长达4年的运行期间收集的数据中包含有3.5万个可能的行星信号。科学家们运用自动化分析，在配合人工核对来对所有疑似信号进行判读。但在最微弱的信号面前，这样的分析方法常常会将它们遗漏掉。沙律和范德伯格猜想，在已经被分析过的存档数据中，应该还有隐藏其中的，在此前的分析中被遗漏的行星信号。

首先，他们使用此前已经经过筛选的1.5万个信号案例来训练一个计算机神经系统网络，让它学会去识别开普勒望远镜数据集中的行星掩星信号。在这一训练测试中，人工智能对于真实系外行星信号和假信号的判断正确率达到了96%以上。随后，当计算机系统已经学会了如何识别掩星信号之后，研究小组开始尝试让计算机去对那些在周围已经发现有行星存在的670颗恒星的数据再次进行分析筛查，科学家们认为这些已经被证明存在行星系统的恒星周围是最有可能存在“漏网之鱼”的地方，或许还有其他行星信号此前未能被注意到。

范德伯格表示：“我们发现了很多‘假阳性’信号，但其中也可能隐藏着真实的信号。这就像翻遍各种小石块，寻找真真的宝石的过程。如果你的筛子更好，你当然会捞到更多的石块，但与此同时你捞到宝石的可能性也在增加。”

Kepler-90i并非这一神经网络系统找到的唯一宝石。在开普勒80系统中，他们还找到了这一系统内的第六颗行星。这颗编号为Kepler-80g的系外行星大小与地球类似，它和与它同属一个行星系统的另外4颗行星处于一个共振系统内。这样将造就一个极为稳定的系统，类似之前引发轰动的，拥有7颗行星的TRAPPIST-1系统。

有关这些发现的相关论文已经被《天文学杂志》接受并将在近期出版。沙律和范德伯格下一步计划让人工智能系统对整个开普勒望远镜的全部数据进行筛选分析，届时计算机将对超过15万颗恒星的亮度数据进行筛查。

开普勒望远镜已经在系外行星搜寻方面获得了史无前例的大量数据。在紧盯一个区域进行亮度测定超过4年之后，开普勒望远镜目前正处于其任务延长期。

美国宇航局埃姆斯研究中心的开普勒望远镜项目科学家杰西·道特森（Jessie Dotson）表示：“这些结果显示出开普勒项目的持久价值。分析数据的崭新方法，比如这一工作中对使用机器学习技术的初步研究，将持续加强我们对于围绕其他恒星运行的行星系统的认识和理解。我非常确信，在这些数据中还将有更多的‘第一次’等待着我们去发现。”

http://www.cnbeta.com/articles/science/680025.htm
Google AI 從太空望遠鏡過去的數據中計算、發現以前被遺漏觀測的2 顆系外行星：「Kepler-90i」和「 Kepler-80g」

NASA 举办了一场电话会议，揭开了喧嚣多日的开普勒天文望远镜的“重大发现”，确定了距离地球2545 光年远的开普勒90 星系中的两颗新发现的行星——开普勒80g 和开普勒90i，
这是人类发现的首个和我们太阳系一样的具有8 颗行星的星系。
此次新发现还有一个最大的亮点，那就是这次的研究成果是与Google 一起合作完成的。NASA 的科学家使用Google 机器学习来对开普勒数据进行分析，其效率和准确性远超传统的分析方法。据此，NASA 认为Google 的AI 技术将有助于在太阳系外探测到外星生命的迹象。


https://www.pcmag.com/news/357963/googles-ai-tech-helps-nasa-spot-2-new-planets
(https://assets.pcmag.com/media/images/566991-kepler-google-data.png?thumb=y&width=740&height=413)

https://phys.org/news/2016-07-alien-solar-tightly-spaced-planets.html
2016

(https://3c1703fe8d.site.internapcdn.net/newman/csz/news/800/2016/kepler80ssyn.gif)

This GIF shows the synchronized orbit of the Kepler-80 system. Credit: Florida Institute of Technology

Read more at: https://phys.org/news/2016-07-alien-solar-tightly-spaced-planets.html#jCp

http://tamweb.tam.gov.tw/v3/tw/content.asp?mtype=c2&idx=1757

　八大行星不再是太陽系的專利了！天文學家利用克卜勒太空望遠鏡（Kepler Space Telescope）的資料，在一顆類似太陽的恆星 Kepler-90周圍，也發現了八顆行星！

　　這顆恆星位在天龍座方向，距離我們2545光年。最新發現的第八顆行星稱為Kepler-90i，這是一顆炙熱的岩質行星，比地球大了30%，每14.4天就會繞行母恆星一圈，它與母恆星的距離很近，因此表面溫度超過攝氏426度，和水星的溫度差不多。而最外側的行星Kepler-90h繞行母恆星的距離，則與地球繞太陽的距離差不多。這個恆星系統就像是個迷你版的太陽系，內側的行星比較小，而外側的行星比較大，但所有的行星與母恆星的距離又都比太陽系近得多。

　　很特別的是這顆行星是藉由Google的機器學習（machine learning）所發現的，這是一種人工智慧（artificial intelligence）的方法，能夠訓練電腦自行學習，在克卜勒太空望遠鏡的光度資料中，找到系外行星通過母恆星前方，造成恆星光度減弱的訊號。科學家從人腦的神經連結得到啟發，設計了人工的類神經網路，因此才能找到這筆在先前並未被判讀出來的訊號。

MORE

https://research.googleblog.com/2018/03/open-sourcing-hunt-for-exoplanets.html

Open Sourcing the Hunt for Exoplanets
Thursday, March 08, 2018


==

Google 提供 找系外行星獵星代碼
 https://kknews.cc/science/gy65br8.html

去年12月中旬，谷歌和NASA開創性的利用神經網絡技術，從已知的行星系統中發現了兩個系外行星。

而今日，谷歌突然宣布開源這個叫做「獵星代碼」的神經網絡。這意味著任何人都可以下載其代碼和數據，並讓其在自己的機器上運行。幸運的話，甚至可以像NASA一樣發現新行星。

也就是去年12月中旬，谷歌和NASA聯手，將開普勒望遠鏡收集的行星數據投入到谷歌開發的一個神經網絡中，經過大量的訓練，從已知的行星系統——開普勒-90中，發現了一顆新行星，也是該系統的第八顆行星——開普勒-90i。

谷歌還通過這一技術，發現了開普勒-80系統中的最小行星——開普勒-80g。也正是因為具備了「尋找及識別行星」這一功能，該神經網絡被稱之為「獵星代碼」。
它的出現，被認為將極大的加快人類探索系外行星（太陽系之外的行星）的進程。

一個代碼，真的有這麼厲害？能夠憑一己之身打破以往的系外行星探索僵局？在了解「獵星代碼」之前，我們得先知道，如何識別一個行星。

行星識別和追蹤困難重重，觀察恆星光線變化成為最實用的方法

天文學中，行星通常是指自身不發光，但會環繞著恆星的天體。想要成為行星，必須滿足以下三點要求：

    1、必須是圍繞恆星運轉的天體；

    2、質量必須足夠大，可以克服固體引力，達到流體靜力平衡的形狀（近於球體）；

    3、必須清除軌道附近區域，公轉軌道範圍內不能有比它更大的天體。



在傳統的系外行星探索過程中，天文學家通常會圍繞這三點，去識別和追蹤可能是行星的星體，並最終作出判定。常用的方法有天體測量、直接成像法、重力微透鏡法等。

但這些方法各有優勢也各有弊端。因此，天文學家在綜合各種探查方法的優勢後，想到了一個新方法——通過高端望遠鏡，觀察和記錄星體路過恆星時，恆星表面的光線變化及數據，以判定該星體是否符合行星標準。

行星數據太過龐大，如何篩選數據？


因此，為提高檢測效率及降低錯誤率，NASA聯手谷歌，將普勒望遠鏡近四年來的採集約20萬顆星球的數據投入到神經網絡中，用以檢測低信噪比信號及行星，讓其成為「獵星代碼」。

據悉，「獵星代碼」是由Google Brain（Google內部深度學習人工智慧研究項目）和UT Austin大學的Andrew Vanderburg（一位著名的天體物理學家，專注於研究系外行星探測）合作開發的。



按照國際慣例，個人發現小行星後，是能夠以個人名義為其命名的。但為行星命名，必須通過IAU大會討論後才能確定。但我們可以期待一下，如果因為「獵星代碼」發現的行星數量極為龐大時，或許，我們就可以擁有一顆自己的行星，並為其命名，比如，鎂客星。

行星數據太過龐大，如何篩選數據？

由於數據太過龐大，為提高效率，天文學家設定了一個檢測截止點——只有信噪比超過固定閾值的數據才會被保留下來。

數據統計，截止到目前，通過該方法被手動檢測的信號超30000個，其中約2500個被驗證為系外行星。

到這裡，或許你會認為，人類探測系外行星的僵局已經被打破。那是因為你忽略了「檢測截止點」這一關鍵點。因為我們不能保證，在這個截止點之外，就一定沒有行星。

但如果不設置截止點，我們所有檢測的數據量就極為龐大。據天文學家估計，僅銀河系，就可能包含多達4000億顆系外行星。截至2016年2月，已經被認定的系外行星總數為2085顆，這些行星分屬1331個行星系。

可想而知，如果想要靠人力找到所有行星，是根本不可能的。
突破「檢測截止點」限制，人工智慧成救命稻草

谷歌表示，正是因為開普勒-90i的相關信號比其他行星要弱很多，所以多年來，人類一直沒能通過傳統的行星識別手段找到它。


為提高檢測效率及降低錯誤率，NASA聯手谷歌，將普勒望遠鏡近四年來的採集約20萬顆星球的數據投入到神經網絡中，用以檢測低信噪比信號及行星，讓其成為「獵星代碼」。

據悉，「獵星代碼」是由Google Brain（Google內部深度學習人工智慧研究項目）和UT Austin大學的Andrew Vanderburg（一位著名的天體物理學家，專注於研究系外行星探測）合作開發的。

就像所有基於神經網絡的模型一樣，這個模型也需要訓練集。幸運的是，如前面所述，天文學家們已經人工手動檢測和分類過了30000個Kepler信號。Google團隊將其中一半的數據拿出來用作訓練，其中有3500個信號經過驗證後，被列為行星或行星候選者。

(https://i1.kknews.cc/SIG=2dce9vk/ctp-vzntr/15206912330402o9o4o3rrq.jpg)
原文網址：https://kknews.cc/science/gy65br8.html

https://www.cnbeta.com/articles/tech/706631.htm

开普勒（Kepler）太空望远镜的数据中隐藏着两颗新的系外行星。然而，这两颗新行星并没有被人类发现。相反，外行星狩猎神经网络（hunting neural network一种松散地模仿人类大脑的机器学习算法）在开普勒数据中通过一种微妙的模式来发现行星，而这几乎不可能被人看到。

星期四，行星 AI 的首席谷歌工程师Christopher Shallue在一篇博客文章中宣布，该公司正在开源该算法的代码。换句话说，任何人都可以下载代码并在开普勒数据中帮助寻找系外行星。

开普勒太空望远镜于2009年发射，以搜寻系外行星。开普勒研究的恒星太远，无法直接观测到轨道上的外行星，所以天文学家必须根据观测到的恒星亮度的变化来推断外行星的存在。当一颗系外行星经过一颗恒星的前方时，恒星的亮度会出现暂时的下降，通过这种方式发现系外行星的存在。

经过四年观测15万颗恒星后，开普勒已经为天文学家筛选了大量的数据，远比人类能够有效搜索的数据多。为了将搜寻范围限制在最有希望的位置，天文学家专注于开普勒收到的30,000个最强恒星信号，并设法在该过程中发现2,500颗系外行星。

然而，这意味着大约有12万个较弱的信号未经分析，其中任何一个都可能拥有一颗系外行星。为了搜索这个宝贵的天文数据，Google的研究人员对15,000个已被NASA研究人员标记的外行星数据实例进行了神经网络训练。这有效地教会了算法在数据中寻找哪些签名证明系外行星的存在。

在对算法进行训练之后，谷歌的研究人员用它分析了700颗来自已知有其他系外行星的弱信号。在这个过程中，沙尔和他的同事们又发现了两个新的系外行星。

Github发布了系外行星搜索算法的代码，其中还包括它的使用说明。尽管代码（和开普勒数据）可供任何人使用，但它不完全是“即试即用”。懂得谷歌的机器学习软件 TensorFlow 和 Python 编码的经验人更有优势。

根据Shallue的说法，释放代码是让公众了解神经网络如何发现行星，同时鼓励发现进一步分析开普勒数据的方式。除此之外，Shallue表示他希望神经网络能够为将来更复杂的系外行星搜索工具铺平道路。